二叉堆解读

在数据结构和算法中,二叉堆是一种非常重要的数据结构,它被广泛用于实现优先队列、堆排序等场景。本文将介绍二叉堆的基本概念、性质、操作以及应用场景。

一、基本概念

二叉堆是一种特殊的完全二叉树,它满足堆性质:对于每个节点i,其子节点的值(或关键字)要么都小于等于节点i的值(称为最小堆),要么都大于等于节点i的值(称为最大堆)。二叉堆通常通过数组来实现,以便于存储和访问。

最大堆: 任何一个父节点都大于或等于它的左右子节点, 最大堆的最大元素再堆顶
在这里插入图片描述

最小堆: 任何一个父节点都小于或等于它的左右子节点,最小堆的最小元素再堆顶

在这里插入图片描述

二、性质

  1. 结构性质:二叉堆是一棵完全二叉树,除了最后一层外,其他层的节点都是满的,且最后一层的节点都靠左对齐。
  2. 堆性质:对于每个节点i,其子节点的值满足最小堆或最大堆的要求。

三、基本操作

插入(Insert):向二叉堆中插入一个新元素。首先,将新元素添加到数组的末尾,然后通过上浮操作(percolate up)调整堆结构,以满足堆性质。

当二叉堆插入节点时,插入位置是完全二叉树的最后一个位置。例如插入一个新节点,值是 0。

在这里插入图片描述

这时,新节点的父节点5比0大,显然不符合最小堆的性质。于是让新节点“上浮”,和父节点交换位置。

在这里插入图片描述

继续用节点0和父节点3做比较,因为0小于3,则让新节点继续“上浮”。

在这里插入图片描述

继续比较,最终新节点0“上浮”到了堆顶位置。

在这里插入图片描述

删除(Delete):从二叉堆中删除一个元素。通常,我们删除堆顶元素(即数组的第一个元素),然后用数组的最后一个元素替换堆顶元素,并通过下沉操作(percolate down)调整堆结构。

二叉堆删除节点的过程和插入节点的过程正好相反,所删除的是处于堆顶的节点。例如删除最小堆的堆顶节点1。

在这里插入图片描述

这时,为了继续维持完全二叉树的结构,我们把堆的最后一个节点10临时补到原本堆顶的位置。

在这里插入图片描述

接下来,让暂处堆顶位置的节点10和它的左、右孩子进行比较,如果左、右孩子节点中最小的一个(显然是节点2)比节点10小,那么让节点10“下沉”。

在这里插入图片描述

继续让节点10和它的左、右孩子做比较,左、右孩子中最小的是节点7,由于10大于7,让节点10继续“下沉”。

在这里插入图片描述

这样一来,二叉堆重新得到了调整。

四、代码实现

class BinaryHeap:def __init__(self, elements=None, max_heap=True):"""初始化二叉堆。:param elements: 可选参数,一个列表,用于构建初始堆。:param max_heap: 是否为最大堆,默认为True。"""self.heap = []self.max_heap = max_heapif elements:for element in elements:self.insert(element)def parent(self, i):"""计算给定索引i的父节点索引。:param i: 子节点的索引。:return: 父节点的索引。"""return (i - 1) // 2def left_child(self, i):"""计算给定索引i的左孩子节点索引。:param i: 父节点的索引。:return: 左孩子节点的索引。"""return 2 * i + 1def right_child(self, i):"""计算给定索引i的右孩子节点索引。:param i: 父节点的索引。:return: 右孩子节点的索引。"""return 2 * i + 2def swap(self, i, j):"""交换堆中索引为i和j的元素。:param i: 第一个元素的索引。:param j: 第二个元素的索引。"""self.heap[i], self.heap[j] = self.heap[j], self.heap[i]def sift_up(self, i):"""上浮操作,确保以i为根的子树满足堆的性质。:param i: 子树根节点的索引。"""while i > 0:parent_i = self.parent(i)if (self.max_heap and self.heap[parent_i] < self.heap[i]) or \(not self.max_heap and self.heap[parent_i] > self.heap[i]):self.swap(parent_i, i)i = parent_ielse:breakdef sift_down(self, i, heap_len):"""下沉操作,确保以i为根的子树满足堆的性质。:param i: 子树根节点的索引。:param heap_len: 堆的当前长度(元素数量)。"""largest = ileft = self.left_child(i)right = self.right_child(i)if left < heap_len and ((self.max_heap and self.heap[left] > self.heap[largest]) or(not self.max_heap and self.heap[left] < self.heap[largest])):largest = leftif right < heap_len and ((self.max_heap and self.heap[right] > self.heap[largest]) or(not self.max_heap and self.heap[right] < self.heap[largest])):largest = rightif largest != i:self.swap(i, largest)self.sift_down(largest, heap_len)def insert(self, key):"""向堆中插入一个元素。:param key: 要插入的元素。"""self.heap.append(key)self.sift_up(len(self.heap) - 1)def delete_max(self):"""删除并返回堆中的最大元素(对于最大堆)。:return: 删除的元素。"""if not self.heap:return Noneif len(self.heap) == 1:return self.heap.pop()max_val = self.heap[0]self.heap[0] = self.heap.pop()self.sift_down(0, len(self.heap))return max_valif __name__ == '__main__':b_heap = BinaryHeap([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], max_heap=False)b_heap.insert(0)print(b_heap.delete_max())print(b_heap.delete_max())

五、应用场景

  1. 优先队列:二叉堆是实现优先队列的理想数据结构。在优先队列中,元素的优先级由它们的值决定。通过插入和删除操作,我们可以高效地添加和移除具有最高(或最低)优先级的元素。
  2. 堆排序:堆排序是一种基于二叉堆的排序算法。它首先构建一个最大堆,然后将堆顶元素与末尾元素交换,并将剩余元素重新调整为最大堆。重复这个过程,直到所有元素都排好序。堆排序的时间复杂度为O(nlogn),且空间复杂度为O(1)。

六、总结

二叉堆是一种高效的数据结构,它利用堆性质实现了快速插入、删除和查找操作。在优先队列、堆排序等场景中,二叉堆发挥着重要作用。掌握二叉堆的实现和应用,对于提高算法效率和理解数据结构具有重要意义。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/796263.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

练习题(2024/4/3)

1题目描述&#xff1a; 给定两个大小分别为 m 和 n 的正序&#xff08;从小到大&#xff09;数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数 。 算法的时间复杂度应该为 O(log (mn)) 。 示例 1&#xff1a; 输入&#xff1a;nums1 [1,3], nums2 [2] 输出&…

Redis Hash结构操作

基础篇Redis 6.4 Hash结构操作 在基础篇的最后&#xff0c;咱们对Hash结构操作一下&#xff0c;收一个小尾巴&#xff0c;这个代码咱们就不再解释啦 马上就开始新的篇章~~~进入到我们的Redis实战篇 SpringBootTest class RedisStringTests {Autowiredprivate StringRedisTe…

电子商务平台中大数据的应用|主流电商平台大数据采集API接口

(一)电商平台物流管理中大数据的应用 电商平台订单详情订单列表物流信息API接口应用 电子商务企业对射频识别设备、条形码扫描设备、全球定位系统及销售网站、交通、库存等管理软件数据进行实时或近实时的分析研究,提高物流速度和准确性。部分电商平台已建立高效的物流配送网…

什么是Java中的分布式系统?举例说明

在Java中&#xff0c;分布式系统是由一组通过网络进行通信、为了完成共同的任务而协调工作的计算机节点组成的系统。这种系统架构的目的是利用更多的机器处理更多的数据&#xff0c;从而解决单个计算机无法应对的计算、存储任务。 当单个节点的处理能力无法满足日益增长的计算…

【STL】vector的底层原理及其实现

vector的介绍 vector是一个可变的数组序列容器。 1.vector的底层实际上就是一个数组。因此vector也可以采用连续存储空间来存储元素。也可以直接用下标访问vector的元素。我们完全可以把它就当成一个自定义类型的数组使用。 2.除了可以直接用下标访问元素&#xff0c;vector还…

掌握数据相关性新利器:基于R、Python的Copula变量相关性分析及AI大模型应用探索

在工程、水文和金融等各学科的研究中&#xff0c;总是会遇到很多变量&#xff0c;研究这些相互纠缠的变量间的相关关系是各学科的研究的重点。虽然皮尔逊相关、秩相关等相关系数提供了变量间相关关系的粗略结果&#xff0c;但这些系数都存在着无法克服的困难。例如&#xff0c;…

使用预训练的bert large model实现问答系统源码(本地实现 question answer system)

pre-trained bert model 预训练好的Bert模型 本地实现问答系统 用这条命令将bert下载到本地&#xff1a; model.save_pretrained("path/to/model") 具体代码 如下链接&#xff1a; https://download.csdn.net/download/qqqweiweiqq/89092005

解决win7作为虚拟机无法复制粘贴共享文件的问题

win7作为虚拟机经常会出现无法与主机的剪切板共享、文件共享。 归根结底是win7虚拟机里面没有安装VMware Tools 能够成功安装vmware tools的条件&#xff1a; 1&#xff09;win7版本为win7 sp1及以上 2&#xff09;安装KB4490628&#xff0c;KB4474419补丁 因此下面来详细介绍…

【LeetCode题解】2192. 有向无环图中一个节点的所有祖先+1026. 节点与其祖先之间的最大差值

文章目录 [2192. 有向无环图中一个节点的所有祖先](https://leetcode.cn/problems/all-ancestors-of-a-node-in-a-directed-acyclic-graph/)思路&#xff1a;BFS记忆化搜索代码&#xff1a; 思路&#xff1a;逆向DFS代码&#xff1a; [1026. 节点与其祖先之间的最大差值](https…

在MacOS上安装Homebrew:初学者指南

简介&#xff1a; 如果您是MacOS的新手或者不了解Homebrew是什么&#xff0c;那么本文是给您准备的。Homebrew是一个MacOS上的包管理器&#xff0c;它可以让您在几个简单的步骤中安装和管理数千个软件包。在本文中&#xff0c;我们将向您介绍如何在MacOS上安装Homebrew&#x…

为什么说AI的尽头是生物制药?

AI的尽头究竟是什么&#xff1f;有投资者说是光伏&#xff0c;也有投资者说是电力&#xff0c;而英伟达给出的答案则是生物制药。 在英伟达2023年投资版图中&#xff0c;除AI产业根基算法与基础建设外&#xff0c;生物制药是其重点布局的核心赛道。英伟达医疗保健副总裁Kimber…

FastEI论文阅读

前言 研究FastEI&#xff08;Ultra-fast and accurate electron ionization mass spectrum matching for compound identification with million-scale in-silico library&#xff09;有很长时间了&#xff0c;现在来总结一下&#xff0c;梳理一下认知。PS&#xff1a;为什么要…

【LeetCode: 21. 合并两个有序链表 + 链表】

&#x1f680; 算法题 &#x1f680; &#x1f332; 算法刷题专栏 | 面试必备算法 | 面试高频算法 &#x1f340; &#x1f332; 越难的东西,越要努力坚持&#xff0c;因为它具有很高的价值&#xff0c;算法就是这样✨ &#x1f332; 作者简介&#xff1a;硕风和炜&#xff0c;…

组件循环依赖问题

场景&#xff1a; a组件 引入 b组件 b组件 引入 a组件 a组件 import B from ./b console.log(A组件&#xff0c;,B) export default Ab组件 import A from ./a console.log(B组件&#xff0c;,A) export default B输出结果&#xff1a; B组件&#xff0c;undefined A组件&am…

axios快速入门

一、环境配置 1.1概述 上古浏览器页面在向服务器请求数据时&#xff0c;因为返回的是整个页面的数据&#xff0c;页面都会强制刷新一下&#xff0c;这对于用户来讲并不是很友好。并且我们只是需要修改页面的部分数据&#xff0c;但是从服务器端发送的却是整个页面的数据&#…

搭建爬虫代理服务器:使用云服务器

1.原理 代理服务器的作用是代替客户端向目标服务器发送请求&#xff0c;然后将目标服务器的响应返回给客户端。在网络中&#xff0c;代理服务器可以用来隐藏客户端的真实 IP 地址&#xff0c;或者用于访问某些受限制的内容&#xff0c;或者实现缓存、安全策略等功能。 在这个…

攻防世界 Broadcast 题目解析

Broadcast 一&#xff1a;题目 二&#xff1a;解析 将压缩包解压&#xff0c;得到如上图所示&#xff0c;打开task.py&#xff0c;之后得到flag 这个有点简单了&#xff0c;不要被解压后文件太多所迷惑。

InnoDB中的索引方案

文章目录 InnoDB中的索引方案 InnoDB支持多种类型的索引&#xff0c;包括B-tree索引、全文索引、哈希索引等。B-tree索引是InnoDB存储引擎的默认索引类型&#xff0c;适用于所有的数据类型&#xff0c;包括字符串、数字和日期等。 以下是创建InnoDB表及其B-tree索引的示例代码…

python+ opencv(Mat)——笔记

opencv中用Mat数据类型来表示图片&#xff1b; python中将mat转化为numpy的ndarray&#xff1b;type&#xff08;img&#xff09;numpy.ndarray; Mat的属性: rows&#xff1a;表示矩阵的行数。cols&#xff1a;表示矩阵的列数。size&#xff1a;表示矩阵的尺寸&#xff0c;即…

VBA数据库解决方案第九讲:把数据库的内容在工作表中显示

《VBA数据库解决方案》教程&#xff08;版权10090845&#xff09;是我推出的第二套教程&#xff0c;目前已经是第二版修订了。这套教程定位于中级&#xff0c;是学完字典后的另一个专题讲解。数据库是数据处理的利器&#xff0c;教程中详细介绍了利用ADO连接ACCDB和EXCEL的方法…